计算机应用

作者：黄亚伟, 钱雪忠, 宋威

单位：江南大学 人工智能与计算机学院，江苏 无锡 214122

关键词：差分进化算法,双档案,多样性度量,自适应种群大小,数值优化

基金：国家自然科学基金资助项目(62076110)

针对现有差分进化（DE）算法在处理种群多样性降低和局部最优问题时，种群大小改进方法的性能不足，提出一种基于双档案种群大小自适应方法（APSA）的差分进化算法（APDE）。首先，构建2个档案分别用于记录在先前进化中丢弃的个体和实验个体；其次，根据种群分布状态变化衡量多样性变化，并在多样性下降时从档案中选择个体加入种群，从而提升种群的多样性并增强跳出局部最优的能力；最后，基于APSA方法，提出一种改进的DE算法——APDE。在CEC2017测试集和兰纳-琼斯势问题上的广泛测试结果表明，APDE算法在30个测试函数上的基于Friedman test的平均排名中优于其他5种DE算法，并在至少20%的测试函数上取得了显著提升；同时，APDE算法在解决势能最小化上也取得了最佳性能。

来源：2024年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第12期